LightGBM

wandb 라이브러리에는 LightGBM을 위한 특별한 콜백이 포함되어 있습니다. 또한 Weights & Biases의 일반적인 로깅 기능을 사용하여 하이퍼파라미터 스윕과 같은 대규모 Experiments를 쉽게 추적할 수 있습니다.

from wandb.integration.lightgbm import wandb_callback, log_summary
import lightgbm as lgb

# Log metrics to W&B
gbm = lgb.train(..., callbacks=[wandb_callback()])

# Log feature importance plot and upload model checkpoint to W&B
log_summary(gbm, save_model_checkpoint=True)

Sweeps를 사용하여 하이퍼파라미터 조정하기

모델에서 최대 성능을 얻으려면 트리 깊이 및 학습률과 같은 하이퍼파라미터를 조정해야 합니다. Weights & Biases에는 대규모 하이퍼파라미터 테스트 Experiments를 구성, 조정 및 분석하기 위한 강력한 툴킷인 Sweeps가 포함되어 있습니다.

이러한 툴에 대해 자세히 알아보고 XGBoost와 함께 Sweeps를 사용하는 방법에 대한 예제를 보려면 이 대화형 Colab 노트북을 확인하세요.